Per il moderno CFO, la parte più difficile del lavoro spesso non è la matematica, ma la narrazione. Dopo aver chiuso i libri contabili e calcolato le varianze, i crew finanziari trascorrono giorni, a volte settimane, copiando e incollando manualmente i grafici nelle diapositive di PowerPoint per spiegare il motivo per cui i numeri si sono spostati.
Oggi, azienda fintech israeliana di 11 anni Datarail ha annunciato una serie di nuovi strumenti di intelligenza artificiale generativa progettati per automatizzare l'”ultimo miglio” del reporting finanziario, consentendo di fatto ai chief finanziari di “vibrare il codice” per raggiungere il ponte di comando.
Lanciato oggi per accompagnare il nuovo spherical di finanziamento di serie C da 70 milioni di dollari annunciato dall’azienda, i nuovi agenti finanziari AI di strategia, pianificazione e reporting dell’azienda prometti di rispondere a domande finanziarie complesse con risorse completamente formattate, non solo testo.
Un professionista della finanza può ora chiedersi: “Che cosa sta determinando i cambiamenti nella nostra redditività quest’anno?” oppure “Perché il advertising ha superato il price range il mese scorso?” e il sistema genererà immediatamente diapositive PowerPoint, report PDF o file Excel pronti per la lavagna contenenti la risposta.
L’implementazione di questi agenti segna un cambiamento fondamentale nel modo in cui l'”Ufficio del CFO” interagisce con i dati.
Oltre il chatbot
La promessa dei nuovi agenti è quella di risolvere il problema della frammentazione che affligge i dipartimenti finanziari. A differenza di un chief delle vendite che vive in Salesforce o di un CIO che si affida a ServiceNow, il CFO non ha un unico “sistema di verità”. I dati sono sparsi tra ERP, HRIS, CRM e portali bancari.
Uno dei principali ostacoli all’adozione dell’IA nella finanza è stata la sicurezza. I CFO sono giustamente riluttanti a inserire i dati P&L nei modelli pubblici.
Datarails ha risolto questo problema sfruttando il servizio Azure OpenAI di Microsoft. “Utilizziamo OpenAI in Azure per garantire la privateness e la sicurezza dei nostri clienti, a loro non piace condividere i dati in [an] open LLM”, ha osservato Gurfinkel. Ciò consente alla piattaforma di utilizzare modelli all’avanguardia mantenendo i dati all’interno di un perimetro aziendale sicuro.
I nuovi agenti di Datarails si trovano sopra uno strato di dati unificato che collega questi sistemi disparati. Poiché l’intelligenza artificiale è basata sui dati interni unificati dell’azienda, evita le allucinazioni comuni nei LLM generici offrendo allo stesso tempo il livello di privateness richiesto per i dati finanziari sensibili.
“Se il CFO vuole sfruttare l’intelligenza artificiale a livello di CFO o i dati dell’organizzazione, deve consolidare i dati”, ha spiegato il CEO e co-fondatore di Datarails Didi Gurfinkel in un’intervista a VentureBeat.
Risolvendo innanzitutto il problema del consolidamento, Datarails può ora offrire agenti in grado di comprendere il contesto del enterprise.
“Ora il CFO può utilizzare i nostri agenti per eseguire analisi, ottenere approfondimenti, creare report… perché ora i dati sono pronti”, ha affermato Gurfinkel.
“Codifica delle vibrazioni” per la finanza
Il lancio si inserisce in una tendenza più ampia nello sviluppo di software program in cui i suggerimenti del linguaggio naturale sostituiscono la codifica complessa o la configurazione manuale, un concetto che gli ambienti tecnologici chiamano “vibe coding”. Gurfinkel ritiene che questo sia il futuro dell’ingegneria finanziaria.
“Molto presto il CFO e il crew finanziario saranno in grado di sviluppare applicazioni”, prevede Gurfinkel. “I LLM diventano così forti che in un attimo possono sostituire intere serie di prodotti.”
Ha descritto un flusso di lavoro in cui un utente poteva semplicemente chiedere: “Questo period il mio price range e il mio effettivo dell’anno scorso. Ora creami il price range per il prossimo anno”.
I nuovi agenti sono progettati per gestire esattamente questi tipi di scenari complessi e con più variabili. Advert esempio, un utente potrebbe chiedere: “Cosa succede se le entrate crescono più lentamente nel prossimo trimestre?” e ricevere in cambio un’analisi dello state of affairs.
Poiché l’output può essere fornito come file Excel, i crew finanziari possono verificare le formule e le ipotesi, mantenendo la traccia di controllo che spesso manca agli strumenti di intelligenza artificiale generici.
Facilità di adozione: l'”anti-implementazione”
Per la maggior parte dei crew di ingegneri, l’arrivo di una nuova piattaforma finanziaria aziendale segnala un grattacapo incombente: mesi di migrazione dei dati, riprogettazione degli schemi e l’inevitabile attrito nel costringere gli utenti non tecnici advert abbandonare i loro flussi di lavoro preferiti. Datarails ha saputo aggirare questo ostacolo costruendo ciò che potrebbe essere meglio descritto come “anti-implementazione”.
Invece di richiedere una “rimozione e sostituzione” dei sistemi legacy, la piattaforma accetta la realtà caotica del moderno sistema finanziario. L’architettura è progettata per separare l’archiviazione dei dati dal livello di presentazione, trattando efficacemente i file Excel esistenti dell’organizzazione come un’interfaccia frontend mentre Datarails funge da database backend.
“Non sostituiamo nulla”, ha spiegato Gurfinkel. “L’implementazione può essere molto veloce, da poche ore a forse qualche giorno”.
Da un punto di vista tecnico, ciò significa che i requisiti “ingegneristici” vengono quasi completamente eliminati. Non ci sono pipeline ETL da creare o script Python da mantenere. Il sistema è precablato con oltre 200 connettori nativi, che si collegano direttamente a ERP come NetSuite e Sage, CRM come Salesforce e vari HRIS e portali bancari.
Il lavoro pesante viene sostituito da un processo di mappatura “senza codice”. Un analista finanziario, non uno sviluppatore, mappa i campi dalla contabilità generale ai modelli Excel in un flusso di lavoro self-service. Per moduli come Month-Finish Shut, l’azienda promette esplicitamente che “non è necessario alcun supporto IT”, una frase che probabilmente rappresenta un sollievo per i CTO sotto pressione. Anche le configurazioni complesse, come il nuovo modulo di gestione della liquidità che richiede integrazioni bancarie, sono generalmente completamente operative entro due o tre settimane.
Il risultato è un sistema in cui il “debito tecnico” solitamente associato alla trasformazione finanziaria è reso obsoleto. Il crew finanziario ottiene la sua “unica fonte di verità” senza mai chiedere ai tecnici di fornire un database.
Dalla versione Management al controllo di visione: un perno che ha dato i suoi frutti
Datarails non è sempre stato il “FinanceOS” dell’period dell’intelligenza artificiale. Fondata nel 2015 da Gurfinkel insieme ai co-fondatori Eyal Cohen (COO) e Oded Har-Tal (CTO), la startup con sede a Tel Aviv ha trascorso i suoi primi anni advert affrontare un problema più importante: il controllo della versione per Excel. La premessa iniziale period quella di sincronizzare e gestire i fogli di calcolo in tutte le aziende, ma l’adozione è stata lenta poiché il crew ha faticato a trovare il giusto adattamento del prodotto al mercato.
La svolta è arrivata nel 2020 con un perno strategico. Il crew si è reso conto che i professionisti finanziari non volevano sostituire Excel con un nuovo dashboard; volevano correggere i limiti di Excel, in particolare il consolidamento manuale e la frammentazione dei dati. Spostando l’attenzione sui crew finanziari delle PMI e abbracciando una filosofia di automazione “nativa di Excel”, l’azienda ha trovato il suo passo avanti.
Questo allineamento ha portato a un rapido ridimensionamento, alimentato da una serie A da 55 milioni di dollari nel giugno 2021 guidata da Zeev Ventures, seguita rapidamente da una serie B da 50 milioni di dollari nel marzo 2022 guidata da Qumra Capital. Sebbene l’azienda abbia dovuto affrontare difficoltà durante la crisi tecnologica, con conseguente riduzione del 18% della forza lavoro alla high-quality del 2022, da allora si è ripresa in modo aggressivo. Entro il 2025, Datarails ha quasi raddoppiato la propria forza lavoro arrivando a oltre 400 dipendenti a livello globale, guidata da una strategia di espansione multiprodotto che ora embrace soluzioni di chiusura di high-quality mese e di gestione della liquidità.
Alimentare l’espansione
Le nuove funzionalità di intelligenza artificiale sono supportate dall’iniezione di serie C da 70 milioni di dollari da parte di One Peak, insieme agli investitori esistenti Vertex Development, Classic Funding Companions e altri. Il finanziamento arriva dopo un anno di crescita dei ricavi del 70% per Datarails, guidata in gran parte dall’espansione della sua suite di prodotti.
Oltre il 50% della crescita dell’azienda nel 2025 è derivata da soluzioni lanciate negli ultimi 12 mesi, tra cui Datarails Month-Finish Shut (uno strumento per automatizzare le riconciliazioni e la gestione del flusso di lavoro) e Datarails Money Administration (per il monitoraggio della liquidità in tempo reale).
Questi prodotti fungono da “impianto idraulico” che rende efficaci i nuovi agenti IA. Automatizzando la chiusura di high-quality mese e unificando i dati di cassa, Datarails garantisce che quando un CFO pone una domanda all’IA, i numeri sottostanti siano accurati e aggiornati.
Per Gurfinkel l’obiettivo è rendere l’ufficio finanziario “AI-native” senza costringere gli utenti advert abbandonare il loro strumento preferito: Excel.
“Non stiamo sostituendo nulla”, ha detto Gurfinkel. “Colleghiamo Excel in modo che Excel ora diventi il calcolo e la presentazione.”
Con il lancio di questi nuovi agenti, Datarails scommette che il futuro della finanza non riguarderà l’apprendimento di nuovi software program, ma il dialogo con i dati che già possiedi.
